在機器學習中，我們通常將原始數(shù)據(jù)按照比例分割為“測試集”和“訓練集”，通常使用sklearn.cross_validation里的train_test_split模塊用來分割數(shù)據(jù)。

cross_validation已經(jīng)棄用，現(xiàn)在改為從 sklearn.model_selection 中調(diào)用train_test_split 函數(shù)。

簡單用法如下：

X_train,X_test, y_train, y_test =sklearn.model_selection.train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)

# train_data：所要劃分的樣本特征集

# train_target：所要劃分的樣本結(jié)果

# test_size：樣本占比，如果是整數(shù)的話就是樣本的數(shù)量

# random_state：是隨機數(shù)的種子。

# 隨機數(shù)種子：其實就是該組隨機數(shù)的編號，在需要重復試驗的時候，保證得到一組一樣的隨機數(shù)。比如你每次都填1，其他參數(shù)一樣的情況下你得到的隨機數(shù)組是一樣的。但填0或不填，每次都會不一樣。

stratify是為了保持split前類的分布。比如有100個數(shù)據(jù)，80個屬于A類，20個屬于B類。如果train_test_split(... test_size=0.25, stratify = y_all), 那么split之后數(shù)據(jù)如下：?
training: 75個數(shù)據(jù)，其中60個屬于A類，15個屬于B類。?
testing: 25個數(shù)據(jù)，其中20個屬于A類，5個屬于B類。?

用了stratify參數(shù)，training集和testing集的類的比例是 A：B= 4：1，等同于split前的比例（80：20）。通常在這種類分布不平衡的情況下會用到stratify。

將stratify=X就是按照X中的比例分配?

將stratify=y就是按照y中的比例分配?

總結(jié)

以上是生活随笔為你收集整理的train_test_split 数据集划分,样本划分的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。